删除＆amp; nbsp beautifulsoup

我正在尝试在此刻解析时间表网页，我用打印出来的问题就是有关于死亡空间的精神。这是由于我在很多情况下看到的标签是“＆amp; nbsp”作为文本条目。当我们没有课程时，那个空间就在那里。

from bs4 import BeautifulSoup
import urllib2
url="http://timetable.ait.ie/reporting/individual;student+set;id;AL%5FKNTWM%5F7%5F3%0D%0A?t=student+set+individual&days=1-5&weeks=&periods=3-20&template=student+set+individual"
page=urllib2.urlopen(url)
soup = BeautifulSoup(page.read(), 'lxml')
sources = soup.findAll('table')
for source in sources:
    for tr in source.findAll('tr'):
        for td in tr.findAll('td',{"rowspan":True}):
            if td.text is u'\xa0': continue             
            else:
                print td.text

这是我到目前为止的代码，我已经尝试过 if td.text is '&nbsp': continue 和 if td.text == '&nbsp': continue 和 if td.text == u'\xa0': continue 但这些选项都没有为我工作。这是我正在尝试解析的HTML代码的一部分。

<!-- START ROW OUTPUT -->
                <tr >
                    <td style="border-bottom:3px solid #000000;" rowspan='1' >Mon</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;"  colspan='2' rowspan='1' >
                        <!-- START OBJECT-CELL -->
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <tr>
                                <td align='left'><font color='#000000'>Networks Security 3</font></td>
                            </tr>
                        </table>
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <col align='right' />
                            <tr>
                                <td align='left'><font color='#000000'>W206</font></td>
                                <td align='right'><font color='#000080'>Bennett, Tom</font></td>
                            </tr>
                        </table>
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <tr>
                                <td align='left'><font color='#000080'>3-9, 11-14</font></td>
                            </tr>
                        </table>
                        <!-- END OBJECT-CELL -->

如您所见，有多个“TD”标签具有＆amp; nbsp作为一个选项，但稍后我需要计算这些不破坏的空格来计算类的时间。任何帮助将不胜感激。

编辑：请忽略循环中的Rowspan我复制了代码，并犯了一个小错误。

看答案

html = '''
        <!-- START ROW OUTPUT -->
                <tr >
                    <td style="border-bottom:3px solid #000000;" rowspan='1' >Mon</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;"  colspan='2' rowspan='1' >
                        <!-- START OBJECT-CELL -->
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <tr>
                                <td align='left'><font color='#000000'>Networks Security 3</font></td>
                            </tr>
                        </table>
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <col align='right' />
                            <tr>
                                <td align='left'><font color='#000000'>W206</font></td>
                                <td align='right'><font color='#000080'>Bennett, Tom</font></td>
                            </tr>
                        </table>
                        <table  cellspacing='0' border='0' width='100%'>
                            <col align='left' />
                            <tr>
                                <td align='left'><font color='#000080'>3-9, 11-14</font></td>
                            </tr>
                        </table>
                        <!-- END OBJECT-CELL -->'''

from bs4 import BeautifulSoup
import re

soup = BeautifulSoup(html, 'lxml')

tds = soup.find_all(name='td', text=re.compile(r"^\S"))
for td in tds:
    print(td)

出去：

<td rowspan="1" style="border-bottom:3px solid #000000;">Mon</td>
<td align="left"><font color="#000000">Networks Security 3</font></td>
<td align="left"><font color="#000000">W206</font></td>
<td align="right"><font color="#000080">Bennett, Tom</font></td>
<td align="left"><font color="#000080">3-9, 11-14</font></td>

智能推荐

BeautifulSoup库

BeautifulSoup类的基本元素：标签树的下行遍历： tag.contents返回的是一个列表类型，可以通过len()返回它的长度，可以得知tag.contents的儿子节点不仅包括标签节点还包括字符串节点。标签树的上行遍历由于html是整个文本最高级的标签，所以它的父亲标签就是整个文本。而soup可以说是真正的顶层，所以soup.parent是空。标签树的平行遍历...

运行BeautifulSoup

提取https://www.pythonscraping.com/pages/page1.html页面的<h1>标签注：html.parser是python3中的一个解析器运行结果： BeautifulSoup还可以使用urlopen直接返回文本对象，而不需要先调用.read函数：运行结果：可以看出，我们从网页提取的<h1>标签镶嵌在BeautifulSoup对象结...

踩中&nbsp；的坑

1、在html代码中 和空格的区别：在html代码中每输入一个转义字符&nbsp就表示一个空格，输入十个&nbsp，页面中就显示10个空格位置。而在html代码中输入空格，不管输入多少个空格，最终在页面中显示的空格位置只有一个 2、英文句子中用 替代空格，会导致句子不能正常断行它叫不换行空格，全称No-Break Space 3、&...

【原】Linux 终端分屏工具 tmux 配…

本文是让linux下分屏工具可以支持鼠标选窗口或面板，鼠标调大小，鼠标滚屏而做的设置。先贴出主目录下的.tmux.conf文件如下 ---------- .tmux.conf START ------------------------------- set -g prefix ^a unbind ^b...

HTML学习---------1.11空格标签 

在HTML中输入空格是没有用的,要想输入空格,就必须用   标签; 在HTML代码只能怪输入空格是不起作用的,如下代码: 在浏览器中显示,是没有空格效果的. 输入空格的正确方式: 在浏览器中显示出来的空格效果如下:...

猜你喜欢

「机器学习_5」逻辑回归（Logistic Regression ）

学习逻辑回归需要清楚的几件事：假设函数怎么用（怎么预测），决策边界怎么用（一般取0.5），损失函数如果计算（因为要取最小），优化方法（重新计算各个权重）建议：我阅读的英文参考资料的相关内容除了公式我并没有往上发布。但是我会放到我的下载资料中，建议，想彻底理解这几个内容的，如果不想直接从公式推导入手，可以考虑看下具体的例子，就会明白其中的含义。前言　本文主要介绍逻辑回归的基础知识...

工业4.0知识图谱

编者按本篇文章来自于17th Extended Semantic Web Conference (ESWC2020) 会议。该文章提出了基于语义标注网络的结构化数据集，包含工业4.0标准、范式和框架，并给出了知识图谱在工业4.0应用的现有案例。本文作者北京大学周雨奇，将对原文进行概要阐述。文末提供获...

缓冲区溢出实例（二)–Linux

原理：crossfire 1.9.0 版本接受入站 socket 连接时存在缓冲区溢出漏洞。工具：调试工具：edb； ###python在漏洞溢出方面的渗透测试和漏洞攻击中，具有很大的优势实验对象：crossfire【多人在线RPG游戏】运行平台：Kali i386 虚拟机【32位，计算机CPU位数是指地址总线位数，64位系统的寻址空间为2^64，寻址过大，难以处理，为了简化操作，所以选用...

物联网设备提供的好处很多。举例来说，父母可以远程监控自己的孩子，而又不会显得太霸道。因此，儿童在拥有安全环境的同时也会有空间和自由让自己变得独立。 -- Andrew Carroll IoT （物联网）设备正在迅速改变我们的生活。这些设备无处不在，从我们的家庭到其它行业。根据一些预测数据，到 2020 年，将会有 100 亿个 IoT 设备。到 2025 年，该数量将增长到 220 亿。目前，物联...

windows 组策略

通过 Windows 组策略，实现登录启动指定脚本。 1、快捷键 win+R，输入 gpedit.msc，点击 ok 2、在 Local Group Policy Editor 对话框中选择：Local Computer Policy --> User Configuration --> Windows Settings – > Scripts，然后点击右侧 Logo...